몬테 카를로 트리 탐색(MCTS)의 샘플 효율성을 향상시키기 위해, 본 논문은 상태-행동 쌍을 그룹화하고 개별 노드 통계 대신 집계 통계를 사용하는 새로운 추상화 프레임워크인 알려진 값 차이 추상화(KVDA)를 제안합니다. KVDA는 값 차이를 추론하여 상태 또는 상태-행동 쌍을 그룹화하며, 기존의 OGA-UCT 알고리즘을 수정하여 KVDA-UCT를 개발했습니다. KVDA-UCT는 OGA-UCT보다 더 많은 추상화를 감지하고 다양한 환경에서 더 뛰어난 성능을 보입니다.
